Arbeitskreis Digitale Gesellschaft

SPD Schleswig-Holstein

30. September 2014

Big Data
Nummerokratie I — Rechnen einst und heute

Eine große Zahl: 1 | Foto: andrechinn - CC BY 2.0

„Es ist so, weil es so ist, sonst wäre es nicht so.“ – Tho­mas Fischer1

Es gibt eine Übung, die von Lebens­be­ra­tern und Berufs­coa­ches ein­ge­setzt wird: Wenn du vor etwas Angst hast, stellt dir vor, es befin­det sich hin­ter einer Tür. Dann öff­ne die­se Tür und gehe hin­ein. Beob­ach­te das, was dir Angst macht, und gehe wei­ter. Der Clou ist, dass, wenn man sich mit dem, wovor man Angst hat, befasst, dies einem plötz­lich weni­ger oder kei­ne Angst mehr macht. Eine ähn­li­che Übung braucht man even­tu­ell, damit aus „Big Angst“, wie es mein ver­ehr­ter Kol­le­ge Yan­nick Haan in sei­nem Bei­trag „Big Angst hilft nicht – war­um wir eine ande­re Debat­te über Big Data brau­chen2 bezeich­ne­te, wie­der nur Big Data wird.

Dabei sind zwei wesent­li­che Fak­to­ren zu beach­ten. Ers­tens: Der Mensch. Samt sei­ner Feh­ler und Zwei­fel, der die Zahl und den Com­pu­ter zur Gott­heit erho­ben hat und sich selbst got­tes­gleich vor­kommt, indem er sie bedie­nen und beherr­schen kann. Damit befas­se ich mich in „Num­me­ro­kra­tie I“.

Zwei­tens ist da noch die Metho­dik. Pfui, die Wis­sen­schaft, sagen an die­ser Stel­le vie­le. Doch bei Mas­sen­da­ten­aus­wer­tun­gen ist es genau die Wis­sen­schaft, die Ana­ly­se, das Auf­stel­len von Ver­mu­tun­gen, Hypo­the­sen, Annah­men etc. – all das, was ein reprä­sen­ta­ti­ves Ergeb­nis von einem Hau­fen nutz­lo­ser Zah­len unter­schei­det. Damit befas­se ich mich in „Num­me­ro­kra­tie II“.

Ich mache mir die Welt, wie sie mir gefällt.

„Lesen ist wirk­lich ein Wun­der“, schreibt Rudolf Flesch in sei­nem Buch Bes­ser schrei­ben spre­chen den­ken3. „Ihre Augen neh­men Grup­pen von Wör­tern in Bruch­tei­len von Sekun­den auf, und Ihr Gehirn bewahrt die­se Wör­ter in fei­nem Gleich­ge­wicht bis zu dem Punkt, an dem sich ein Sinn ergibt.„4 (sic!). Dies kommt daher, dass die Augen in einer Drit­tel­se­kun­de gewöhn­lich mehr als ein Wort auf­neh­men. „Ihre Augen bewe­gen sich ent­lang der gedruck­ten Zei­len in rhyth­mi­schen Sprün­gen. Nach jedem Sprung hal­ten Sie kurz inne, kon­zen­trie­ren sich auf ein oder zwei Wör­ter und gehen wei­ter. Von Zeit zu Zeit, wenn sie unbe­wusst spü­ren, dass Sie noch ein­mal nach­prü­fen müs­sen, wan­dern Ihre Augen zurück“, hält Flesch5 fest. Bei einem Durch­schnitts­le­ser eines durch­schnitt­li­chen Tex­tes kommt man so auf eine Durch­schnitts­ge­schwin­dig­keit von unge­fähr 200 Wör­tern in der Minu­te.

Unser Gehirn hat kei­ne Zeit, Buch­sta­be für Buch­sta­be zu lesen, das Wort wird beim Lesen als ein Gan­zes genom­men, kon­sta­tiert Flesch. Wör­ter erhal­ten ihre Bedeu­tung erst aus dem Zusam­men­hang. Das Gehirn erfasst die Bedeu­tung erst, wenn der Satz oder der Absatz zu Ende ist. So sei der häu­figs­te Lese­feh­ler, dass ein Wort ver­se­hent­lich für ein ande­res genom­men wird. Ver­ein­facht aus­ge­drückt: Wir ver­ste­hen, was wir glau­ben, gele­sen zu haben, und nicht unbe­dingt, was wir gele­sen haben. „Des­halb“, so Flesch, „sind gute Kor­rek­to­ren so rar.„6

Beim Lesen, wie im nor­ma­len Leben, gibt es Erkennt­nis­feh­ler ers­ten und zwei­ten Gra­des. Beim ers­ten han­delt es sich um die Über­zeu­gung, dass es etwas gibt, was gar nicht exis­tiert. Also wenn in einem Text „Stra­ge­tie“ steht, lesen und ver­ste­hen wir auto­ma­tisch „Stra­te­gie“ (obwohl es gar nicht im Text steht). Noch inter­es­san­ter ist der Erkennt­nis­feh­ler zwei­ten Gra­des, wel­cher besagt, dass wir uns wei­gern, an etwas zu glau­ben, was es tat­säch­lich gibt. Also bei­spiels­wei­se, dass 2 plus 2 immer in Sum­me 4 ergibt.

Aas muss gut sein. Millionen Fliegen können nicht irren.

Dan Kahan aus der Yale Law School (und drei wei­te­re Wis­sen­schaft­ler)7 bestä­tig­te in einer Rei­he von Expe­ri­men­ten, dass eine fes­te poli­ti­sche Über­zeu­gung sogar unse­re mathe­ma­ti­schen Fäl­lig­kei­ten beein­träch­ti­gen kann. 1.100 Expe­ri­ment­teil­neh­me­rin­nen und -teil­neh­mer erhiel­ten die glei­chen Daten und wur­den um ihre Ana­ly­se gebe­ten. Die­se Daten wur­den ver­wen­det, um die Teil­neh­me­rin­nen und Teil­neh­mer von der Wirk­sam­keit – oder der Unwirk­sam­keit – eines Haut­pfle­ge­mit­tels zu über­zeu­gen sowie über die Stei­ge­rung oder das Sen­ken der Kri­mi­na­li­täts­ra­te infol­ge des Ver­bo­tes des Feu­er­waf­fen­be­sit­zes (ein in den USA heiß dis­ku­tier­tes The­ma).

Die Daten bezüg­lich der Wir­kung der Haut­creme wur­den fast durch­ge­hend rich­tig inter­pre­tiert, und zwar bei den Per­so­nen mit bes­se­ren mathe­ma­ti­schen Kennt­nis­sen bes­ser als von den Teilnehmer/​‐​innen mit wenig mathe­ma­ti­schen Kennt­nis­sen. Die Wahr­schein­lich­keit, dass die Inter­pre­ta­ti­on mit den tat­säch­li­chen Aus­sa­gen des Zah­len­ma­te­ri­als über­ein­stimm­te, war rela­tiv hoch.

Wahr­lich inter­es­sant waren dage­gen die Ergeb­nis­se bezüg­lich des Ver­bo­tes von Feu­er­waf­fen. Die libe­ra­len Demo­kra­ten haben die Ergeb­nis­se, wel­che einen posi­ti­ven Zusam­men­hang zwi­schen dem Ver­bot und der Sen­kung der Kri­mi­na­li­tät auf­zeig­ten, rich­tig inter­pre­tiert. Leg­te man ihnen jedoch Daten vor, die auf die stei­gen­de Kri­mi­na­li­tät auf­grund des Feu­er­waf­fen­be­sitz­ver­bo­tes zeig­ten, inter­pre­tier­te sie die Daten falsch und schluss­fol­ger­ten ent­ge­gen der Zah­len, das Ver­bot hät­te gewirkt (d. h., aus ihm resul­tier­te weni­ger Kri­mi­na­li­tät). Bei den kon­ser­va­ti­ven Repu­bli­ka­ner ver­hielt es sich genau umge­kehrt. Die glei­chen Daten wur­den rich­tig inter­pre­tiert, sobald sie auf einen posi­ti­ven Zusam­men­hang zwi­schen Feu­er­waf­fen­be­sitz und sin­ken­der Kri­mi­na­li­tät hin­ge­wie­sen haben. Haben die Zah­len das Gegen­teil gezeigt, deu­te­ten die Kon­ser­va­ti­ven das Ergeb­nis ihren poli­ti­schen Ein­stel­lun­gen ent­spre­chend – und eben nicht den Daten fol­gend.

Damit aber nicht genug.

Die Expe­ri­men­te zeig­ten, dass, je bes­ser die mathe­ma­ti­schen Fähig­kei­ten der Teil­neh­mer waren, des­to schlech­ter sie die Daten inter­pre­tier­ten bezie­hungs­wei­se nutz­ten die mathe­ma­ti­schen „Brains“ selek­tiv ihre Fähig­kei­ten, um die Daten kon­form zu ihren Über­zeu­gun­gen zu inter­pre­tie­ren. Wie Peter Watts8, ein kana­di­scher Science‐​Fiction‐​Schriftsteller, dies kom­men­tier­te: „Falls die Zah­len wider­le­gen, wor­an du glaubst, wirst du falsch rech­nen. Falls die Zah­len dei­nen Über­zeu­gun­gen wider­spre­chen und du bist auch noch ein mathe­ma­ti­sches Genie, wirst du so schlecht rech­nen, wie es nur irgend­wie geht.“

Das e‐​Apogeum des Selbstbetrugs

Das Fazit: Nicht nur beim Lesen über­liest man Sät­ze und Wör­ter. Beim Rech­nen geht es min­des­tens genau­so gut. Und zwar je bes­ser man im Rech­nen ist, des­to schnel­ler ist man davon über­zeugt, dass 2 plus 2 eben 5 (und nicht 4) ist.

Was im rea­len Leben so gut funk­tio­niert, funk­tio­niert in den vir­tu­el­len Wel­ten umso bes­ser. Unser Ver­hal­ten im Inter­net, so Zyg­munt Bau­mann, ist ledig­lich ein Abbild unse­rer Gesell­schaft. Das Inter­net dient nur als Ver­stär­ker der Phä­no­me­ne, die es off­line ent­we­der schon längst gibt oder ohne­hin geben wür­de. Big Data Mining macht in die­ser Hin­sicht vie­les mög­lich und eröff­net unge­ahn­te Per­spek­ti­ven. Es ist bei­spiels­wei­se ein Leich­tes zu bewei­sen, dass Babys von Stör­chen gebracht wer­den. Die posi­ti­ve Kor­re­la­ti­on zwi­schen der wach­sen­den Popu­la­ti­on an Stör­chen bzw. der Anzahl von Storch­nes­tern und dem Baby Boom kann zwei­fels­frei anhand von Mas­sen­da­ten bestä­tigt wer­den. Denn Big Data Mining steht heu­te für alles, was Sta­tis­tik ohne Theo­rie leis­ten kann.

Mehr dazu in „Num­me­ro­kra­tie II“.

Fußnoten

1 Fischer, Tho­mas. 2014. „Bewer­ten, Bewei­sen, Ver­ur­tei­len. Ant­wort auf Pup­pes Pole­mik über die „Metho­den der Rechts­fin­dung des BGH“ (ZIS 2014, 66). In der Zeit­schrift für inter­na­tio­na­le Straf­rechts­dog­ma­tik, www.zis-online.de (S. 97–101, hier S. 100). 

2 Haan, Yan­nick, 2014. „Big Angst hilft nicht – war­um wir eine ande­re Debat­te über Big Data brau­chen“, https://spd-netzpolitik.de/berlin/big-angst-hilft-nicht-warum-wir-eine-andere-debatte-ueber-big-data-brauchen (17.9.2014).

3 Flesch, Rudolf. 1973. Bes­ser schrei­ben, spre­chen, den­ken. Anre­gun­gen, Übun­gen, Tests. Düs­sel­dorf, Wien: Econ Ver­lag.

4 Eben­da, S. 111.

5 Eben­da, S. 110.

6 Eben­da, S. 112.

7 Kahan, Dan M. and Peters, Ellen and Daw­son, Eri­ca Cant­rell and Slo­vic, Paul. 2013. Moti­va­ted Nume­ra­cy and Enligh­te­ned Self‐​Government (Sep­tem­ber 3, 2013). Yale Law School, Public Law Working Paper No. 307. (http://ssrn.com/abstract=2319992 or http://dx.doi.org/10.2139/ssrn.2319992).

8 Watts, Peter. 2014. Atak mate­ma­ty­ki, czy­li upa­dek wied­zy empi­rycz­nej. In: Nowa Fan­tas­ty­ka 08 (383) 2014. S. 73.

Aleksandra Sowa

Lei­te­te zusam­men mit dem deut­schen Kryp­to­lo­gen Hans Dob­ber­tin das Horst Görtz Insti­tut für Sicher­heit in der Infor­ma­ti­ons­tech­nik. Dozen­tin, Fach­buch­au­torin (u.a. „Manage­ment der Infor­ma­ti­ons­si­cher­heit“, „IT‐​Revision, IT‐​Audit und IT‐​Compliance“), kürz­lich erschien im Dietz‐​Verlag „Digi­tal Poli­tics — so ver­än­dert das Netz die Poli­tik“. Hier äußert sie ihre pri­va­te Mei­nung.#Foto by Mark Boll­horst (mark-bollhorst.de)

More Posts

Fol­low Me:
TwitterLinkedInGoogle Plus

Schlagwörter: , , , , ,

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.